文献类型：期刊文章

作　　者：伏娜娜[1] 刘大铭[1] 程晓婷[1] 景云云[1] 张馨芳[1]

FU Nana;LIU Daming;CHENG Xiaoting;JING Yunyun;ZHANG Xinfang(School of Physics and Electronic-Electrical Engineering,Ningxia University,Yinchuan 750021,China)

机构地区：[1]宁夏大学物理与电子电气工程学院,宁夏银川750021

出　　处：《传感器与微系统》

基　　金：宁夏大学研究生创新项目(GIP2021007);宁夏自然科学基金资助项目(2021AAC03113)。

年　　份：2021

卷　　号：40

期　　号：11

起止页码：131-134

语　　种：中文

收录情况：BDHX、BDHX2020、CSCD、CSCD_E2021_2022、JST、RCCSE、ZGKJHX、核心刊

摘　　要：针对现有跌倒检测方法识别效率低、检测过程实时性有待提高的问题,提出了一种基于Yolov5s人体目标检测结合轻量级OpenPose人体姿态估计模型的跌倒检测算法。首先,利用Yolov5s算法检测出人体的包围框,将Yolov5s的输出作为轻量级OpenPose网络的输入实时得到人体骨骼关键点坐标。然后,利用选取的4个骨骼关键点坐标计算人体中心点的下降速度。最后,通过中心点的下降速度结合人体宽高比来判断人体是否发生跌倒,并利用单目相机进行检测。实验结果表明:网络对行为检测准确率平均值达到95.43%,检测速度达到25 fps。

关 键 词：轻量级OpenPose  Yolov5s  跌倒检测 单目相机  深度学习  

分 类 号：TP391.4] TP212[计算机类]